Le neurone semi-conducteur imite la mémoire du cerveau et les capacités de réponse adaptative

Le cerveau humain fait plus que de simplement réguler les synapses qui échangent des signaux; Les neurones individuels traitent également des informations par la plasticité intrinsèque, la capacité adaptative à devenir plus sensible ou moins sensible selon le contexte. Cependant, les semi-conducteurs de l'intelligence artificielle existants ont eu du mal à imiter cette flexibilité du cerveau.

Les chercheurs kaist ont maintenant développé une technologie de semi-conducteurs de nouvelle génération et ultra-faible-puissance qui met également en œuvre cette capacité. L'équipe dirigée par le professeur Kyung Min Kim du Département de science et d'ingénierie des matériaux a développé un réréstateur de commutation de fréquence qui imite la plasticité intrinsèque – une propriété qui permet aux neurones de se souvenir de l'activité passée et d'ajuster de manière autonome leurs caractéristiques de réponse. L'étude est publiée dans la revue Matériaux avancés.

La plasticité intrinsèque fait référence à la capacité d'adaptation du cerveau; Par exemple, devenir moins surpris lorsque vous entendez le même son à plusieurs reprises ou en répondant plus rapidement à un stimulus spécifique après une formation répétée. Le Reuristor de commutation de fréquence est un dispositif de neurone artificiel qui ajuste de manière autonome la fréquence de ses signaux, un peu comme la façon dont le cerveau devient moins surpris par des stimuli répétés ou, inversement, de plus en plus sensibles par l'entraînement.

L'équipe de recherche a combiné un memristor Volatile Mott, qui réagit momentanément avant de retourner dans son état d'origine, avec un Memristor non volatile, qui se souvient de signaux d'entrée pendant de longues périodes. Cela a permis la mise en œuvre d'un appareil qui peut contrôler librement la fréquence à laquelle un neurone se déclenche (sa fréquence de dopage).

Dans cet appareil, les signaux de pointe neuronaux et les changements de résistance aux memristors s'influencent mutuellement, ajustant automatiquement les réponses. En termes simples, il reproduit dans un seul dispositif de semi-conducteur comment le cerveau devient moins surpris par des sons répétés ou plus sensibles aux stimuli répétés.

Pour vérifier l'efficacité de cette technologie, les chercheurs ont effectué des simulations avec un réseau neuronal clairsemé. Ils ont constaté que, grâce à la fonction de mémoire intégrée des neurones, le système avait obtenu les mêmes performances avec 27,7% de consommation d'énergie moins que les réseaux neuronaux conventionnels.

Ils ont également démontré une excellente résilience: même si certains neurones étaient endommagés, la plasticité intrinsèque permettait au réseau de se réorganiser et de restaurer les performances. En d'autres termes, l'intelligence artificielle utilisant cette technologie consomme moins d'électricité tout en maintenant les performances, et elle peut compenser les défaillances de circuit partiels pour reprendre le fonctionnement normal.

Le professeur Kim, qui a dirigé la recherche, a déclaré: «Cette étude a mis en œuvre la plasticité intrinsèque, une fonction centrale du cerveau, dans un seul dispositif semi-conducteur, faisant ainsi avancer l'efficacité énergétique et la stabilité du matériel d'IA à un nouveau niveau. Cette technologie, qui permet aux appareils de se souvenir de leur propre état et de s'adapter ou de se remettre même des dégâts, peut servir de composante clé dans les systèmes nécessitant une stabilité à long terme, comme un calcul de bord et des adeptes à long terme.